浙江省自然科学基金(LY12F03008)
- 作品数：6 被引量：59H指数：5
- 相关作者：王培良蔡志端王燕锋张媛秦海鸿更多>>
- 相关机构：湖州师范学院杭州电子科技大学南京航空航天大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金湖州市自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程电气工程更多>>
- 霍尔转子位置预估方法及其误差校正被引量：10
- 2017年
- 为提高转子位置检测精度,基于三相对称型开关霍尔传感器,设计了霍尔转子位置预估方法。首先,分析了霍尔位置估算方法的原理误差和霍尔安装偏差引起的固有误差。然后,针对直接校正法和线性校正法的不足,提出一种霍尔扇区初始位置校正法,对霍尔位置估算误差进行了校正。仿真和实验结果表明采用三相对称型霍尔传感器进行转子位置检测,利用误差校正算法之后,可以得到较好的位置精度,性价比高,可以应用于对成本要求苛刻的电机控制场合。
- 荀倩王培良蔡志端李祖欣秦海鸿
- 关键词：转子位置检测
- 时延转移概率部分未知的网络控制系统鲁棒H∞故障检测被引量：10
- 2017年
- 针对具有时延的离散网络控制系统,研究了时延转移概率部分未知条件下的鲁棒H∞故障检测问题.首先,利用两个独立的有限维数的Markov链分别描述传感器至控制器时延及控制器至执行器时延,把网络控制系统建模为具有两个Markov链的控制系统.在此基础上构造了故障检测滤波器,利用状态增广的方法建立了闭环系统模型.然后,以矩阵不等式的形式得到了闭环系统随机稳定并满足给定H_∞性能的条件,给出了相应控制器、滤波器增益矩阵及最小H_∞衰减水平的求解方法,并得到了转移概率和最小H_∞衰减水平之间的关系.最后实例仿真表明,所得到的故障检测滤波器不仅对故障敏感而且对外部扰动具有鲁棒性.
- 王燕锋王培良蔡志端
- 关键词：故障检测滤波器转移概率矩阵MARKOV链
- 基于DBN-PID的木材干燥窑参数检测系统被引量：4
- 2015年
- 针对目前在木材干燥过程中检测参数精度低的问题,设计了一种木材干燥窑参数检测系统;该系统对干燥窑有关参数进行实时采集、调理,经ARM处理器进行数据处理后,将采集的数据通过WiFi无线网络上传至PC机;为改进系统的控制算法,引入深度学习方法,提出了一种基于DBN-PID的控制算法,并与BP-PID算法进行了实验比较;实验结果表明,DBN-PID控制算法应用在木材干燥窑参数检测系统中具有更高的检测精度;为进一步说明DBN-PID算法的性能,还与BP-PID算法进行了仿真比较;仿真表明,DBN-PID算法能够很好的近似非线性对象,具有较强的自适应能力。
- 夏春江王培良
- 关键词：嵌入式系统
- 基于PCA-PDBNs的故障检测与自学习辨识被引量：20
- 2015年
- 如何提高工业过程故障识别的准确性及其算法训练的效率一直是故障检测与辨识研究领域的重点和热点。将深度学习方法引入该领域,结合粒子群优化(PSO)算法和深度信念网络(DBNs),提出了一种基于PSO的DBNs辨识方法(即PSODBNs,PDBNs),使用该方法对复杂函数的拟合进行了数值仿真。实验结果表明,相比于基本的DBNs模型,经PSO算法对网络参数优化后的DBNs模型获得了更好的函数逼近效果,具有更高的辨识精度。为验证该方法在实际工业过程故障检测中的可行性,结合主元分析(PCA),提出了一种PCA-PDBNs模型,并将此应用于田纳西-伊斯曼(TE)过程的故障检测中,结果表明,基于PCA-PDBNs方法降低了故障检测模型的复杂度,进一步提高了对未知故障类型的辨识精度,取得了较好效果。
- 王培良夏春江
- 关键词：粒子群优化主元分析故障检测
- 转移概率部分未知的网络控制系统状态反馈被引量：6
- 2015年
- 针对具有网络诱导时延的网络控制系统,把时延建模为有限状态的马尔科夫链,在马尔科夫链的转移概率矩阵中的元素是部分未知的条件下,研究了网络控制系统的状态反馈控制问题。通过状态增广的方法建立了闭环系统的模型,利用Lyapunov稳定性理论和线性矩阵不等式方法给出了使闭环系统随机稳定的充分条件及控制器设计方法。利用Matlab LMI工具箱可以方便地求出控制器增益矩阵。实例仿真说明了所提方法的有效性。
- 王燕锋王培良陈惠英方明
- 关键词：状态反馈时延转移概率矩阵线性矩阵不等式
- 基于深度学习的木材含水率预测被引量：10
- 2015年
- 精确测量木材含水率一直是木材干燥控制系统研究的热点和难点,含水率测量的准确性会直接影响到木材干燥质量的好坏和干燥成本的高低。为提高木材含水率检测的准确性,采用深度学习方法,建立了一种以深度信念网络为核心的木材含水率检测系统辨识模型。将该模型应用在深度学习预测控制算法中,根据实际测量得到的木材干燥窑的温湿度值及木材电阻率,实现对应木材含水率的预测输出。仿真结果表明,预测值与实际值之间的均方根误差小,预测精度高,说明了将深度学习算法应用于木材含水率预测模型中的有效性。
- 夏春江王培良张媛
- 关键词：木材含水率预测控制
